روش‌های داده‌های کاوی برای سیستم‌های توصیه کننده (مترجم تکتم شریفی)

چکیده در این فصل، یک بررسی کلی از تکنیک های اصلی داده‌های کاوی مورد استفاده در زمینه سیستم‌های توصیه کننده  را انجام می‌دهیم. ابتدا ما روش‌های پیش پردازش رایج مثل نمونه گیری یا کاهش حالت سه بعدی را توصیف می‌کنیم. بعد مهم‌ترین تکنیک‌های طبقه بندی مثل شبکه‌های بایسین و ماشین‌های برداری حامی را مرور می‌کنیم. ما الگوریتم دسته‌بندی معدل k را توصیف می‌کنیم و درباره چند شکل دیگر بحث می‌کنیم. همچنین قوانین مرتبط و الگوریتم‌های مربوطه برای یک فرایند آموزشی موثر را ارائه می‌کنیم. علاوه بر معرفی این تکنیک‌ها، ما استفاده‌شان در سیستم‌های توصیه کننده را بررسی می‌کنیم و مواردی را نشان می‌دهیم که آنها به طور موفقیت‌آمیزی بکار می‌برند. 1 مقدمه  سیستم‌های توصیه کننده ( RS ) معمولا تکنیک‌ها و روش شناسی را از بخش‌های مجاور دیگر  مثل تعامل کامپیوتر انسان ( HCI ) یا بازیابی اطلاعات ( IR ) بکار می‌گیرند. هرچند، بیشتر این سیستم‌ها در هسته‌شان یک الگوری …